EN中文

地球信息科学学报 >

2021 , Vol. 23 >Issue 7: 1231 - 1245

DOI: https://doi.org/10.12082/dqxxkx.2021.200662

地理空间分析综合应用

武汉市轨道交通站点周边地区职住平衡与建成环境的关系研究

  • 任鹏 , 1 ,
  • 彭建东 1 ,
  • 杨红 , 1, * ,
  • 王安琪 1 ,
  • 代琦 2
展开
  • 1.武汉大学城市设计学院,武汉 430072
  • 2.武汉市交通发展战略研究院,武汉 430017
* 杨 红（1993— ）,男,贵州盘州人,博士生,主要从事城市交通与土地利用研究。E-mail:

任 鹏（1995— ）,男,湖北赤壁人,硕士生,主要从事城市交通与土地利用研究、城市可持续发展研究。E-mail:

收稿日期: 2020-11-05

  要求修回日期: 2021-01-28

  网络出版日期: 2021-09-25

基金资助

国家自然科学基金项目(71871027)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Relationship between Jobs-housing Balance and Built Environment in Areas around Urban Rail Transit Stations of Wuhan

  • REN Peng , 1 ,
  • PENG Jiandong 1 ,
  • YANG Hong , 1, * ,
  • WANG Anqi 1 ,
  • DAI Qi 2
Expand
  • 1. School of Urban Design of Wuhan University, Wuhan 430072, China
  • 2. Wuhan Transportation Development Strategy Research Institute, Wuhan 430017, China
* YANG Hong, E-mail:

Received date: 2020-11-05

  Request revised date: 2021-01-28

  Online published: 2021-09-25

Supported by

National Natural Science Foundation of China(71871027)

Copyright

Copyright reserved © 2021
Fold

摘要

轨道交通的快速发展提高了通勤可达性,也被认为在重构城市职住空间格局进而影响职住关系方面产生重大影响。探究城市轨道交通站点周边地区（下称轨交站点周边地区）就地职住平衡与建成环境的关系,对于通过建成环境设计促进站点尺度职住“微平衡”,调节由于轨道交通所导致的区域性职住分离意义重大。本文基于武汉市189个轨交站点刷卡数据,首先识别了轨道交通通勤人员并分析了其出行特征,进而利用逐步回归与地理加权回归模型（GWR）探究武汉市轨交站点周边地区职住平衡与建成环境的关系。结果表明：① 从整体看,武汉市向心通勤显著,且汉口片区与武昌片区之间产生较大规模的跨江通勤,跨江交通压力较大;主城区职住平衡指数优于城市近郊区,就业集聚程度呈现“中心-外围”递减趋势,居住空间围绕二环线在外围城区分布,城市整体形成“中心就业,外围居住”的职住分离格局;② 土地利用混合度、公交站点数量对轨交站点周边地区职住平衡有正向促进作用,轨交站点出入口数量则有负向作用,且各因素的影响具有明显的空间异质性;③ 非首末站的职住状况较首末站更好,而是否为换乘站则差异不大。本研究可为轨交站点周边地区就地职住平衡的形成提供参考,促进轨道交通与城市功能协调发展。

关键词： 城市轨道交通; 职住平衡; 建成环境; 通勤; 出行链; 逐步回归; 地理加权回归; 武汉市

本文引用格式

任鹏 , 彭建东 , 杨红 , 王安琪 , 代琦 . 武汉市轨道交通站点周边地区职住平衡与建成环境的关系研究[J]. 地球信息科学学报, 2021 , 23(7) : 1231 -1245 . DOI: 10.12082/dqxxkx.2021.200662

Abstract

The rapid development of Urban Rail Transit (URT) has improved commuting accessibility. It is also considered to have a significant impact on the reconstruction of the urban jobs-housing spatial pattern and thus affecting the jobs-housing relationship. Exploring the relationship between on-site jobs-housing balance and built environment in the surrounding areas of URT stations contributes to promoting the "micro-balance" of jobs-housing in multiple areas and adjusting the regional separation of jobs-housing caused by rail transit. This article takes 189 rail stations in Wuhan as an example. Rail transit commuters were identified by constructing trip chain of each passenger based on data from the Automatic Fare Collection system (AFC) on weekdays. On this basis, we described the commuting characteristics of residents in Wuhan. Additionally, we used multiple stepwise regression model to select significant variables of built environment that affect jobs-housing balance. We further used Geographically Weighted Regression model (GWR) to explore the spatial heterogeneity of influence. The results are as follows: (1) From an overall perspective, centripetal commuting pattern is obvious at the municipal level. Due to the unique urban pattern of the two rivers and three towns, large-scale commuting across the river occurs between Hankou and Wuchang. Thus the river-crossing traffic is under pressure. The degree of jobs-housing balance in main city is better than that in the peripheral areas. The degree of employment agglomeration gradually decreases from the core areas to the peripheral areas. The living space is distributed around the second ring in the peripheral city. The city forms a separation pattern of "central employment - peripheral residence". (2) The result of multiple stepwise regression model showed that three of the variables have significant impacts while variables like the number of road intersections, parking service level, POI density, and other factors were statistically irrelevant to jobs-housing balance. Specifically speaking, land use mixing degree and the number of bus stops have a positive effect on the jobs-housing balance in the surrounding area of URT stations, while the number of exits of URT stations has a negative effect. Meanwhile, the influence of factors has obvious spatial heterogeneity. (3) The jobs-housing balance of non-initial stations is better than that of initial stations. Whether it is a transfer station or not, there is little difference in its jobs-housing balance. This study can provide references for the construction of "jobs-housing" balance of stations on the spot and promoting the coordinated development of rail transit and urban functions through compact space layout and intensive use of land.

Key words： urban rail transit; jobs-housing balance; built environment; commute; trip chain; stepwise regression; geographically weighted regression; Wuhan

1 引言

当前,我国已经成为全世界轨道交通在建、运营里程最多的国家,轨道交通已成为我国大城市居民通勤的重要方式。同时,轨道交通发展所带来的人口与就业空间的重新分布,也使城市职住空间关系发生了根本性变化[1]。轨道交通将城市高密度的职住空间串联,提高通勤效率使得相同时间内的通勤范围大大扩大,形成了“轨道型职住匹配”状态[2]。但从空间上看,这种状态使城市的职住分离程度更甚,进而产生巨大的通勤交通压力[3,4]。由此,受TOD理论启发,轨交站点“就地型职住匹配”,即在轨交站点周边步行可达范围内就地满足居民就业、居住需求,进而形成多个以轨交站点为中心的就地职住匹配状态,这或许是探究城市职住空间匹配与轨道交通协同发展的新思路。本文即是从建成环境角度探讨站点“就地型职住匹配”状态形成的关键因素。
目前已有大量研究关注轨道交通与城市职住空间发展的关系。从空间上看,轨道交通在城市土地利用和空间格局调整中承担重要作用,主要体现在人口与就业要素的重新分布。轨道网络的扩张增大了就业者居住选择的空间,从而加快居民向城市外围的迁移[4,5];就业空间则变得更加集中,形成更加明显而突出的就业中心[1]。整体上职住空间与轨道交通紧密贴合,呈现出沿线串珠状高密度集聚的特征,线网末端的郊区地带会出现人口聚集、产业集中的双核集聚发展格局[2,4,6]。基于此,有研究指出,虽然轨道交通提高了中心区与外围城区间的通勤效率,但其对城市居住-就业空间格局的重塑加重了区域性职住不平衡的发展趋势[4]。随着近郊区站点附近居住机会的饱和,更外围的站点周边地区将发展成新的“卧城”,职住分离进一步加剧[7,8]。针对这一问题,张艳等[2]指出不宜过度强调“轨道型匹配”,中观尺度的“近域型职住平衡”在现实职住关系中仍占有重要的地位。在更小尺度上,一些轨道交通与土地利用互动的研究提到,在轨道交通站点周边地区实行例如高密度、混合用地等促进职住混合的用地开发方式,是轨道交通与城市空间结构协调发展的策略之一[9,10,11],这为轨交站点“就地型职住匹配”的形成提供了理论支撑。
赵鹏军等[12,13,14,15]的研究表明公共交通站点周围区域的职住匹配状况受建成环境影响。人口和就业集聚度越高,越能吸引人们在此区域择居和就业[16,17]。土地利用的相关因素例如土地开发强度[16,18]、土地利用混合度[19,20]、道路交通情况[15,21]、建筑设施分布[15,22]等会使居民的通勤行为呈现差异化特征,进而影响区域内的职住状况。具体来讲,高土地开发强度潜在提升就业岗位密度,促进居民本地化就业,降低通勤时长[23];土地混合利用则能够小范围内满足居民更多需求[24,25,26],促进居民就地完成工作、购物等活动从而减少向外出行[27]。在空间布局上,可针对不同类型站点的建成环境采取差异化的职住匹配策略：就业型站点附近充分考虑可负担性住房的供给,居住型站点则考虑就业次中心的集聚,以促进局部职住平衡[2,14-15]。
当前轨道交通与职住关系的研究中,较多在宏观和中观尺度关注轨道交通对城市生产、居住空间格局重构的影响,及在长距离通勤中的职住连接作用,探究轨交站点周边地区就地型职住匹配关系的研究较少。本文以武汉市为例,利用轨道交通刷卡数据构建OD通勤链,运用地理加权回归模型探究轨交站点周边地区职住匹配与建成环境间的关系,以期了解站点就地型职住平衡形成的关键因素,更好地与“轨道型平衡”在城市职住匹配中协同作用。并且,相比以往关于职住的研究多集中于北京、上海等特大城市,以中部地区大城市武汉作为研究对象能够更好地揭示不同经济发展水平城市的职住状况和建成环境差异。

2 研究区概况及数据来源

2.1 研究区域与范围界定

2.1.1 研究区概况
本文以武汉市行政范围为研究区域,总用地面积8569 km²。由于武汉市“两江交汇、三镇鼎立”的城市格局,形成了独特的建成环境和居民通勤特征。早期武汉三镇在沿两江发展的同时向内陆扩张,伴随着长江大桥和江汉桥的建设,三镇间的联系得以加强。时至今日,武汉三镇形成了土地利用和交通的一体化格局,城市整体呈放射式扩展。武汉市城市空间格局以二环、三环为主要界限,总体可以划分为核心城区、外围城区和边缘城区三级空间结构（图1）。核心城区作为建国以来武汉市的核心建成区,其职住空间结构复杂,分布较多的单位制社区、办公区与新兴商业区;外围城区是20世纪90年代市场经济改革之后城市空间的主要拓展区,伴随着住房市场化和土地快速城镇化,该区域的城市职住空间与核心城区有着显著差别,在城镇化与城市空间重构过程中,现阶段外围城区和核心城区已经成为武汉市的主要城区,包括传统意义上的汉口、武昌和汉阳区域;对于边缘城区,《武汉市城市总体规划（2017—2035）》[28]指出都市发展区是新时期武汉市城市功能的集聚区和拓展区。基于特殊的自然地理环境和城市发展过程,武汉市不同层级的城区职住空间组织分布具有较大差别。
图1 2019年武汉市轨道交通线网与城市空间结构示意

Fig. 1 Wuhan rail transit network in 2019 and urban spatial structure

2.1.2 轨道交通站点周边地区界定
国内外相关研究表明,轨道交通通勤者在进站前（前端,Access Part）和出站后（后端,Egress Part）采用步行接驳轨交站点的比例最高[29,30,31],且在不同类型站点步行所占比例不同[32],故步行接驳范围是轨道交通通勤研究的重点。已有研究表明受心理因素（情绪）和物理因素（体力）的限制,通勤人员步行接驳轨道站点耗时约10 min,即800~1000 m的空间距离[33,34]。《武汉市轨道交通线网规划修编（2014—2049年）》[35]中主城区建设用地范围内轨道交通线网密度达到1.00 km/km2,站点800 m人口覆盖率达到80.1%;二环内建设用地范围内轨道线网密度达到1.67 km/km2,站点800 m人口覆盖率92.4%。因此,本文以800 m为半径划定的各站点缓冲区作为轨道交通周边地区是具有现实意义的,如图2所示。
图2 2019年武汉市轨道交通站点周边地区范围示意

Fig. 2 The surrounding area of Wuhan rail transit station in 2019

2.2 数据来源

本文相关数据来源详见表1,部分数据具体注解如下：
表1 本文相关数据来源

Tab. 1 Related data sources

数据名称 年份/年 数据来源
武汉市轨道交通刷卡数据 2019 武汉市交通发展战略研究院
武汉市分社区人口数据 2018 武汉市土地利用和城市空间规划研究中心
武汉市用地分类现状数据 2015 武汉市规划研究院
武汉市兴趣点数据（POI） 2019 高德开放平台
武汉市建筑轮廓矢量数据 2019 水经注万能地图下载器
（1）2019年武汉市轨道交通刷卡数据
城市轨道交通自动售检票系统（AFC）记录了持卡人的卡号、进出站点编号以及刷卡时刻等信息。截止2019年3月,武汉市已开通9条地铁线路,共计189个站点（换乘站不重复计数）。本文利用2019年3月11日至15日共计5个工作日的武汉市轨道交通刷卡数据。其中,为使数据更有针对性,将剔除单程票、员工卡等,数据结构如表2所示。
表2 武汉市轨道交通刷卡数据结构示意

Tab. 2 Data structure of Wuhan URT smart card

字段名称 数据类型 含义
CARD_CODE 整型 脱敏卡号
TRIP_TIME 时间日期型 交易发生时间
TRANSACTION_LINE 整型 交易发生线路
TRANSACTION_LOCATION 整型 交易发生车站
TRANSACTION_TYPE 整型 交易类型
CARD_TYPE 整型 卡类型
（2）2015年武汉市用地分类现状数据
本文中,2015年武汉市用地分类现状数据的主要用途是计算站点周边地区的土地利用混合度,与其他数据存在年份差。由于轨道交通建设对城市用地分类的影响具有滞后性,故使用该数据对最终研究结果的影响可忽略。且相比利用卫星图进行解译来获取年份相匹配的用地分类数据,使用官方矢量数据进行研究可在更大程度上保证结论的准确性。
（3）2019年武汉市兴趣点数据（POI）
高德地图POI（Point of Interest）涵盖各项空间地理信息（经纬度、详细地址）以及具体设施名称、主要类别等属性信息,以空间点状的形式呈现。通过高德地图API接口爬取武汉市的POI数据,主要包括停车场、餐饮、购物、科教文化设施、医疗服务设施、政府机关及社会团体、公司企业等类别,用于表征轨交站点周边地区的交通设施、公共服务设施以及商业设施等的集聚程度。

3 研究方法

3.1 技术路线

本文首先基于武汉市轨道交通刷卡数据识别出轨道交通通勤人员,分析武汉市居民轨道交通通勤行为及轨道交通通勤格局。其次,通过将识别出的通勤人员匹配至各个轨交站点,得到站点周边职住比进而转化为职住平衡度作为被解释变量,基于人口、用地、POI等数据构建指标体系,利用逐步回归、地理加权回归（GWR）等方法分析轨交站点周边职住平衡与建成环境的相关关系,技术路线如图3所示。
图3 武汉市轨道交通站点周边地区职住平衡与建成环境关系研究技术路线

Fig. 3 Technical route of relationship between jobs-housing balance and built environment in areas around urban rail transit stations of Wuhan

3.2 通勤人员识别

与出行（trip）不同,出行仅指由一个出发地到目的地的单向运动,出行链（trip chain）描述的是居民从家出发再返回家的过程,是其单日所有出行的首尾链接。本文首先构造持卡人的出行链,识别出单日具有通勤特征的乘客,然后综合5个工作日的通勤特征,构造规则判定其是否为通勤人员,若是则分别识别出其居住地站点和就业地站点。
轨道交通通勤人员识别规则：
（1）根据卡号,构造单工作日每位乘客的出行链,格式为[卡号,站点1,时刻1,……,站点n,时刻n],如[168xxxxxxxx54,335,20190311082641,431,20190311175056]。
（2）定义相邻站点识别。以二号线天河机场-佛祖岭为例,其途径小龟山、洪山广场、中南路、宝通寺等站点,其中洪山广场分别与小龟山、中南路顺序连接,则小龟山、中南路是洪山广场的相邻站点。
（3）单日2次出行的乘客。根据站点1与站点4,站点2与站点3是否是相邻站点,时刻2与时刻3是否相隔6 h进行单日通勤识别,识别出单日可能居住地站点与可能就业地站点。
（4）单日多次出行的乘客。根据出行链首末站点是否是相邻站点,首末刷卡时刻是否相隔7 h进行单日通勤识别,将停留最久的站点识别为单日可能就业站点,首末刷卡站点识别为可能居住站点。
（5）一周工作日通勤识别。根据卡号,将可能的居住地站点、就业地站点进行频数统计,其中次数相同的可能居住地进行相邻站点识别,若满足则任取其中一个的频次为2个次数之和。再做以下判断：频次大于等于3的可能居住站点识别为居住地站点,就业地站点同上述方法。
最终识别出武汉市工作日日均刷卡人数为 1 551 493人,轨道交通通勤人数为263 306人,占持卡人数的16.97%。

3.3 变量设置

（1）指标体系构建
区域职住平衡状况受建成环境影响[12-17,36-37]。故本文以建成环境要素作为解释变量构建指标体系,在轨道站点周边地区尺度上探究职住平衡状况（被解释变量）与建成环境间的相关关系。Cervero等[36]将影响居民出行的相关建成环境要素概括为3D,即密度（Density）、多样性（Diversity）、设计（Design）,而后Ewing等[37]扩充至5D。另外,众多研究表明站点区位、公交服务水平、路网连通性等因素对居民通勤及职住状况存在影响[38,39,40]。在此基础上,本文将建成环境指标细化为密度、多样性、道路交通设计、轨交站点可达性、轨交站点特征、公共服务设施布局6大类共21个进行讨论,见表3。
表3 回归模型变量设置

Tab. 3 Variable settings of regression model

分类 变量 指标计算与解释
密度 居住密度/（人/km²） 通过插值法计算得到常住人口与站区面积之比
就业岗位密度/（个/km²） 轨交站点周边地区就业类型POI密度
容积率 通过武汉市建筑矢量数据计算得到轨交站点周边地区容积率
多样性 土地利用混合度 轨交站点周边地区的土地利用混合度, Landuse = - ∑ i = 1 k   P ki ln P ki ln k （1）
式中： k为站点i周边地区的用地类型数量。本文选取与通勤人员居住就业相关的公共管理与公共服务设施用地、商业服务设施用地、居住用地、工业用地等4种用地分类,将其他用地类型统归为一类,即k=5;Pki为第k种类型用地面积占区域的比重。Landuse值越大表示土地利用混合度越高,越小则表示土地利用混合度越低
道路交通设计 交叉口数量/个 轨交站点周边地区交叉口个数,代表道路复杂情况
停车服务水平/个 轨交站点周边地区停车场个数
轨道交通站点可达性 站点区位/km 轨交站点距离主城区质心的直线距离
距离就业次中心距离/km 轨交站点距离最近就业次中心[41]的直线距离
就业机会可达性/m 轨交站点周边地区就业类型POI（公司企业、餐饮、购物、科教文化、休闲、医疗、生活服务、政府机关等）距离轨交站点的平均距离
接驳公交站数量/个 轨交站点周边地区的公交车站数量
轨道交通站点特征 是否是首末站 用虚拟变量表示,其中1表示该站是首末站,0表示该站不是首末站
是否是换乘站 用虚拟变量表示,其中1表示该站是换乘站,0表示该站不是换乘站
出入口数量/个 轨交站点的出入口数
相邻站点距离/m 轨交站点与相邻站点的平均距离
站点开通时间/d 轨交站点投入使用后经历时间
公共服务设施布局 医疗机构密度/（个/km²） 轨交站点周边地区医疗机构数量与缓冲区面积比值
公园广场密度/（个/km²） 轨交站点周边地区公园广场数量与缓冲区面积比值
科教文化机构密度/（个/km²） 轨交站点周边地区科教文化机构数量与缓冲区面积比值
大型购物中心密度/（个/km²） 轨交站点周边地区大型购物中心数量与缓冲区面积比值
生活服务场所密度/（个/km²） 轨交站点周边地区生活服务场所数量与缓冲区面积比值
著名景点密度/（个/km²） 轨交站点周边地区著名景点数量与缓冲区面积比值
（2）被解释变量
地域视角下的职住平衡测算分为平衡度测算和自足性测算[42],尽管自足性测算得到的结果更加准确,但存在数据采集周期长、范围小、准确度不稳定等缺陷。职住比（jobs-housing ratio）,即就业岗位数量与人口数量的比值[43,44,45],是职住平衡度测算最直接的方法。随着大数据技术发展,昼夜人口大数据、工作-休息时段百度热力图等即时定位数据被应用于职住比的计算[6,46],但因无法识别数据背后的用户属性（居住、工作在这里,还是其他活动偶尔出现在这里）,造成测算结果与实际情况存在偏差。针对此情况,本文根据通勤链识别出各轨交通勤人员所对应的居住站点和就业站点,即他们的居住（就业）地位于某一站点附近。由于步行是轨道通勤人员使用最多的接驳方式,则可认为他们的居住地、就业地就位于轨道站点周边800 m步行可达范围内。故从站点角度看,每个站点都可匹配得到在其步行可达范围内就业、居住的通勤人员数量,以这两数量的比值来构建职住比,表征该站点周边地区的名义职住状况,即本文所定义的就地型职住平衡（式（2））。受限于数据获取,本文只识别了轨交站点周边地区内轨道交通通勤者的居住和就业情况,而对于该区域内采取其他方式（如公交车、出租车、自行车）的通勤者情况考虑不足,可能使职住平衡测度产生一定误差,此误差暂时无法消除,需后续获取区域内其他非轨交通勤数据进行校正。
JH R n = J n H n
式中：JHRn为轨道站点n区域的职住比;Jn为识别出的轨道站点n的就业人数;Hn为识别出的轨道站点n的居住人数。
JHR越接近1,表示职住越平衡;JHR越远离1,则表示职住越失衡。由于职住比并不能直观反映出职住平衡状况,故将其做以下变换得到职住平衡度（式（3））：
JHBA L n = ln ( JH R n )
式中：JHRn为轨交站点周边地区职住比;JHBALn为站点n区域的职住平衡度,值越小表示职住越平衡,值越大表示职住越失衡,部分站点职住平衡度如 表4所示。
表4 部分站点职住比及职住平衡度测算

Tab. 4 Calculation of jobs-housing ratio and jobs-housing balance of some stations

站点名 职住比 职住平衡度
中一路 0.342 1.073
广埠屯 1.952 0.669
沙口 1.370 0.315
金融港北 4.243 1.445
中山公园 8.290 2.115
街道口 3.357 1.211
竹叶海 7.220 1.977
江汉路 2.946 1.080
板桥 0.696 0.363
金潭路 12.294 2.509

4 结果及分析

4.1 武汉市居民轨道交通通勤行为特征

从出发时刻看,武汉市轨道交通通勤人员出发早高峰集中在7:00—9:00,回程晚高峰集中在 17:00—19:00,与城市整体交通早晚高峰基本吻合,如图4。从通勤时长看,在地铁上花费15~30 min的通勤个体居多,约占全体样本的41.96%;而87.29%的通勤个体通勤时长在45 min以内,即可认为45 min为武汉市通勤者可忍耐的地铁通勤时长极限,与以往居民通勤行为偏好在45 min处发生拐点的研究结论一致[47],如图5。通勤距离方面,轨道交通平均通勤距离11.28 km,大于武汉市平均通勤距离8.2 km[48]。欧式距离在5~10 km范围（即5~10站地）的人数最多,通勤距离小于20 km的个体占全体样本的88.17%,如图6。通勤流向方面,市域层面向心通勤格局明显,武汉三镇间主要以区内通勤为主,以武昌区、洪山区、江汉区最为显者,而跨区通勤主要存在于洪山—武昌、江岸—江汉、江汉—武昌之间,如图7。由于武汉市两江三镇的独特城市格局,导致汉口片区与武昌片区之间产生较大规模的跨江通勤,跨江交通压力较大,而汉阳片区与其他两片区的跨区通勤交流较少。
图4 轨道交通通勤人员通勤时刻分布

Fig. 4 Commuting time of rail transit commuters

图5 轨道交通通勤人员通勤时长分布

Fig. 5 Commuting duration of rail transit commuters

图6 轨道交通通勤人员通勤距离分布

Fig. 6 Commuting distance of rail transit commuters

图7 轨道交通通勤人员通勤方向

Fig. 7 Commuting direction of rail transit commuters

4.2 武汉市轨道交通通勤格局分析

4.2.1 职住空间分布特征
在识别出通勤人员职住地的基础上,通过比较以某站点周边地区为居住地或就业地的通勤人员数量（下称站点居住人数、站点就业人数）,可以反映出武汉市居住、就业空间的分布现状。在就业空间分布方面,如图8。就业岗位多集中在二环线以内的核心城区,其中汉口东南部作为武汉市金融商贸中心,凭借两面临江的地理优势,依托王家墩中央商务区及众多优质商圈,所提供的就业岗位最为稠密。此外,武昌区作为政治科教中心,众多政府机关及高校科研单位在此集结,提供了较多优质的工作机会。以江汉路、中山公园、武汉商务区、楚河汉街、洪山广场、中南路等为就业地站点的通勤人员明显较多,而汉阳区及核心城区以外的轨道交通沿线地区就业岗位则显不足。由此可知,武汉市就业集聚程度由核心城区向边缘城区逐渐递减。并且在武汉市三镇鼎立的空间格局下,金融经济、科教政治、现代工业等业态呈现明显的空间聚集发展态势,与三镇各自的产业发展定位相契合。
图8 识别出的轨交站点周边地区就业人数

Fig. 8 Number of employees in the area around rail transit stations

如图9,在居住空间分布方面,核心城区以内分布相对较为均衡,而核心城区以外差异较大。主要居住地围绕二环线在外围城区分布,轨道交通二号线、四号线沿线地区,以及在杨家湾、长港路、金银潭、巨龙大道等站点附近的大型连片居住社区（盘龙城、常青花园、南湖社区、百步亭社区）较为典型。此外,与北京等地的情况不同[6],发现武汉市大多数轨道交通线路末端并未形成大规模的人口聚居区,居住人口仍较集中于三环线以内的区域。虽然轨道交通线路已从主城区向外围区域延伸至各新城组团,但其目前的带动作用尚不能有力抵抗主城区的居住吸引力。综上,武汉市当前形成了就业中心在城市中心区,而居住中心在城市外围的职住分离的空间形态。
图9 识别出的轨交站点周边地区居住人数

Fig. 9 Number of residents in the area around rail transit stations

4.2.2 站点职住类型划分
按目前学界广泛接受的标准,本文依据职住比（JHR）将189个轨交站点按职住类型分为居住型职住失衡、就业型职住失衡、就地职住平衡型、职住错配型4类：
（1）当JHR<0.75为居住主导型,名义上的居住机会大于就业机会,属居住型职住失衡站点;
（2）当JHR>1.25为就业主导型,名义上的就业机会大于居住机会,属就业型职住失衡站点;
（3）当JHR在区间[0.75,1.25]时,则认为居住在轨交站点周边地区的通勤者和该区域所能提供的就业岗位数大致均衡,达到数量层面的职住平衡[49,50];但在这部分站点中,可能存在只满足数量平衡而不满足质量平衡的情况,即职住错配型站点[51]。质量层面的职住平衡指职住平衡的测定需要考虑区域内部的自足性,即居住和就业在同一区域内形成职住平衡状态。由于前文所识别的站点居住人数为早高峰进站和晚高峰出站的通勤人数,就业人数为早高峰出站和晚高峰进站的通勤人数,因此站点居住人数和就业人数即分别为该站点周边地区的向外、向内通勤人数,当两者值都较大时,则认为该轨交站点周边地区为职住错配。利用自然断裂点法对站点居住人数和就业人数进行分类,对二者的大值区间取交集后得到明显的职住错配站点。本文所指就地职住平衡型需同时满足数量平衡与质量平衡,故后文的逐步回归及GWR分析将职住错配型站点剔除,其余站点即认为是就地职住平衡型站点。
对站点职住类型进行划分得到居住型职住失衡站点97个,就业型职住失衡站点62个,就地职住平衡型站点26个,职住错配型站点4个。图10展示了轨道站点的职住类型分类状况。需注意,以上4种站点类型是基于轨道交通通勤数据分析所得,可能存在由于对其他通勤方式考虑不足而导致的误差,下文关于职住平衡与建成环境的回归分析也是如此。
图10 城市轨道交通站点职住类型分类

Fig. 10 Classification of jobs-housing types at urban rail transit stations

从站点分类结果看,2019年武汉市轨道交通站点以就业主导型和居住主导型为主。工作主导型站点主要位于二环线核心城区以内,以经济发展程度较高的汉口东南部最为集中,武昌区其次。核心城区外,工作主导型站点集中分布于武汉市几大重点经济开发区,包括十一号线（东湖新技术开发区、光谷副城）、六号线南段（武汉经济技术开发区、沌口经济开发区、车都副城）、二十一号线东段（阳逻经济开发区）,形成区域性的就业集中地。相较之下,居住主导型站点大多位于二环线和三环线之间的外围城区,其中汉阳区居住主导型站点密度较大。
就地职住平衡型站点仅占已开通站点总数的1/7,主要集中在二环线以内的核心城区内,特别是武昌区（政教中心）围绕沙湖公园四周数量最多,其次是江岸区南部集结了众多综合性医院及重点中学,同时依托武汉天地,土地混合开发程度较高;汉阳区则基本没有。外围城区以洪山区光谷广场附近最为集中,同时在硚口区解放大道沿线也有一定分布。三环线以外则有一些站点以经济开发区为依托形成局部的职住平衡,例如阳逻站、五环大道站、光谷六路站等。因此从整体上看,三环线内的职住空间匹配程度要优于边缘地区;武汉三镇相比较,武昌优于汉口优于汉阳。与北京、上海轨道交通站点周边地区职住平衡状况的研究结论类似,武汉市轨道交通线网末端站点的职住匹配状况较差,这是资源分布差异所导致的职住错位。一方面,轨道交通线网末端所在的边缘城区配套设施不够完善,即便在此工作也会因生活不便而影响择居。另一方面,当前武汉市主城区就业吸引力仍然强于外围、边缘城区,因此在交通线网末端附近居住的人会选择在主城区寻找更多的工作机会。
职住错配型站点共4个,分别是王家湾、光谷广场、积玉桥和宝通寺。以王家湾为例,作为轨交三号线和四号线的换乘站,其定位为市级商业中心,周边有摩尔城、汉商、大洋百货等大型购物中心,卷烟厂、建材市场等可以提供大量就业岗位,同时东苑、玫瑰苑、知音西苑等多个大型住区可以提供大量租住房。造成这些站点职住错配的原因可能是周边居住环境与居民就业需求的级别不匹配,需后续通过问卷调查居民出行行为进行深入分析。

4.3 轨交站点周边地区职住平衡与建成环境的回归分析

4.3.1 分类变量的非参数检验
由于分类数据的非正态性,采取非参数检验探究“换乘站”和“首末站”的职住平衡度是否有显著差异。检验结果如表5,是否为首末站的职住平衡度有显著差异,而是否为换乘站则影响不大。非首末站周边较首末站职住平衡状况更好。由于首末站多位于城市郊区,城市中心区所具有的强大吸引力致使轨道交通线网末端站点土地利用功能过于单一,如径河、金潭路等为典型就业型站点,左岭、黄金口、青龙山地铁小镇等为典型居住型站点。
表5 分类变量的非参数检验结果

Tab. 5 Nonparametric test results of categorical variables

职住平衡度
下四分位数 中位数 上四分位数 Z p
换乘站 是 0.461 0.910 1.247 -0.327 0.744
否 0.353 0.838 1.401
首末站 是 0.662 1.256 1.501 -2.113 0.035
否 0.349 0.834 1.328
4.3.2 逐步回归分析
利用逐步线性回归模型,探究指标体系中除“换乘站”“首末站”以外变量与职住平衡度间的关系,结果显示土地利用混合度、公交站点数量、站点出入口数量3个变量对轨交站点周边地区的职住平衡度存在显著影响,如表6所示。居住密度与轨交站点周边地区职住平衡度的相关性不稳定,其系数正负易受到其他要素影响,就业可达性指标则未显示明显相关性,原因可能是轨交站点周边800 m地区本就在人们可承受的通勤距离内,因此在该范围内就业可达性对居民择业不占据主导作用。其他指标如就业岗位密度、道路交通设计指标、站点可达性指标及各类公共服务设施密度在本次研究也未显示出明显相关性。
表6 连续变量的逐步回归结果

Tab. 6 Stepwise regression results of continuous variables

非标准化系数 标准系数 t Sig.
B 标准误差
常量 1.439 0.225 6.403 0.000
公交站点数量 -0.005 0.001 -0.302 -4.305 0.000
出入口个数 0.048 0.015 0.228 3.320 0.001
土地利用混合度 -0.618 0.298 -0.144 -2.070 0.040
4.3.3 基于GWR的影响因素空间异质性分析
以上述3个显著变量作为解释变量,职住平衡度作为被解释变量（该值越小表示职住平衡状况越好,越大表示职住状况越差）,采用高斯核函数自适应方法、AICc准则计算带宽建立地理加权回归模型,结果如图11所示。对GWR分析后的标准化残差进行空间自相关分析,Moran I指数为0.04,Z值为1.31,表明标准化残差分布为随机,模型拟合效果较好。
图11 显著变量对职住平衡度影响的空间变化

Fig. 11 The spatial variation of the impact of significant variables on the jobs-housing balance

（1）土地利用混合度的影响。土地利用混合度对职住平衡度的影响表现为轨交站点周边地区土地利用混合度越高,职住关系越趋近平衡,这与以往研究结论一致[12,15]。影响程度以长江为界,西部较高,东部较低。当前武汉市的地铁网络空间布局,在长江以西的汉口、汉阳大部分区域轨交站点密度较大[52]、地铁覆盖率相对较高,从而增加了轨道交通站点的可达性,因而居民就业—居住空间关系更易受到轨交站点周边地区建成环境的影响。土地利用混合度越高,则潜在的就近工作机会越多。同时,便利且多样化的生活服务增加了择居吸引力,进而对区域职住平衡起到积极作用。穿过阳逻经济开发区的21号线和贯穿武汉东湖新技术开发区的11号线部分站点的职住平衡受土地利用混合影响的程度较小。阳逻经济开发区、武汉东湖新技术开发区为武汉市近年来部署的重要产业新城,其就业郊区化先于住宅郊区化,公共服务设施配套相对滞后。在此情况下,即便提高站点周边的土地混合利用程度,更高级别的生活服务和设施仍需要前往城市中心获取。加之这些区域人口密度较低,生活氛围并不浓厚,导致人们依然倾向在更具生活气息的近城市中心区域择居。在此大环境下,单纯提高小范围的土地混合利用程度对职住状况的调节作用相对较小。
（2）公交站点数量的影响。研究结果显示轨交站点周边地区公交站数量越多,职住越趋近平衡。进一步分析数据发现,公交站点密度和土地利用混合度两因素之间虽不共线,但存在强正相关关系,因此在本次研究中,或许可从土地利用混合度的角度理解公交站点密度对轨交站点周边地区职住平衡状况的影响。公交站点数量越多,意味着该区域土地混合利用程度越好,即存在更多潜在的居住和就业机会,也就越容易达成名义上的职住平衡状态。从空间异质性来看,武昌地区轨交站点周边的职住平衡情况受公交站点数量影响更敏感。该区域内水网密布,东湖、南湖、汤逊湖三大城中湖泊打破了城市用地的完整性,阻碍了轨道交通线网的扩张。受限于自然地理因素,武昌地区的轨道站点数量少,覆盖率低,是“稀缺交通资源”。公交站点数量增加带来更多的居住和就业需求,出于交通便利性考虑,企业和居民更倾向在轨交站点周边聚集,因而职住平衡状态更易形成。而长江以西地区（汉口、汉阳）的轨交站点密集,轨道交通覆盖范围更广,轨交站点周边地区的居住-就业集聚不会像武昌地区因站点数量少而那样明显突出,故职住平衡受公交站点数量的影响敏感度稍低。
（3）轨交站点出入口数量的影响。结果显示,站点出入口数量越多,职住失衡程度越大。受影响最显著的站点位于二环线以内的核心城区。轨交站点出入口数直接反映了轨道站点与城市的联系紧密程度。武汉市轨道交通网络建设时序为从武汉三镇的核心城区向四周扩散[52]。在轨道交通建设早期,核心城区的城市建成环境已基本成熟,位于该区域内的轨道交通沿线土地利用多以商服用地为主。且在我国居住区封闭式建设模式的限制下,出入口多的轨道站点多与综合商业中心相连。出入口数量越多,站点可达性越高,意味着人们通过轨道交通获取商业服务更加便利,加之核心城区高昂的房价和生活成本,促使人们的居住选择不断向城市外围扩展,从而一定程度上加剧了核心城区的职住失衡。

5 结论与讨论

近年来,城市轨道交通系统以便捷舒适、客运量大、低碳环保、安全性能高等优势在城市建设过程中受到越来越多的重视,被认为是缓解大城市交通拥堵的重要方式。许多城市以轨道交通线网作为公共交通骨架,承载居民长距离通勤的服务。但过分强调其远距离通勤功能,会更加强化城市单中心结构,从而加剧了区域性的职住分离。以往关于职住平衡和建成环境间关系的研究多是间接的,大多关注建成环境对居民通勤行为的影响进而阐述与区域职住平衡的关系[6,12]。从研究尺度上看,多数研究集中探究区域、城市或整个市域轨道交通网络等宏观尺度的职住平衡影响机制[2,4,8,16-20,36-39]。在轨道交通发展对城市职住空间重构产生巨大影响的背景下,本文受TOD规划理念启发,着眼于轨交站点周边地区这一中微观尺度,探究建成环境与职住平衡的相关关系。轨交站点周边地区通过紧凑的空间布局和土地集约利用等建成环境优化方式,可促进人们在区域内完成居住、就业和休闲娱乐活动,在轨道交通线网形成更小尺度的就地型职住平衡,从而有效缓解轨道交通长距离通勤导致的职住失配,本次研究就是初步的尝试。
基于地铁刷卡数据,研究发现武汉市居民地铁通勤通常在45 min以内,平均通勤距离为11.28 km。向心通勤格局明显,三镇间主要以区内通勤为主,汉口与武昌之间产生较大规模的跨江通勤。职住空间分布方面,武汉市就业集聚程度由核心城区向边缘城区逐渐递减,居住空间围绕二环线在外围城区分布,整体形成“中心就业,外围居住”的职住分离格局。职住匹配状况存在显著的空间差异,主城区（三环线以内）的职住空间匹配程度要优于边缘城区;武汉三镇相比较,武昌好于汉口好于汉阳。轨道交通线网末端站点的职住匹配状况较差,这是资源分布差异所导致的职住错位。
基于GWR方法,建成环境对武汉市轨交站点周边地区职住平衡的影响存在显著的空间差异。土地利用混合度、公交站点数量、站点出入口数量 3个要素影响显著：① 土地利用越混合,则潜在的就近工作机会越多。同时,便利的生活服务增加了择居吸引力,进而对区域的职住平衡起到积极作用;② 土地利用混合度是公交站点数量发挥职住调节作用的深层次原因。轨交站点周边地区公交站点数量越多意味着土地混合利用程度越高,进而职住平衡状态越易形成。且相较于长江以西地区,武昌片区受自然地理因素影响对公交站点数量的变化更加敏感;③ 受武汉市既有建成环境的影响,核心城区出入口多的轨道站点大多与综合商业中心相连。出入口数量越多,站点可达性越高,加之核心城区高昂的房价促使人们的居住选择不断向城市外围扩展,从而一定程度上加剧了核心城区的职住失衡。另外,非首末站周边地区较首末站的职住平衡状况更好。需要注意的是,不同时期建设的轨道站点,其周边地区的职住平衡状况与当时城市建成区发展状况紧密相关,因此利用纵向AFC数据研究不同时间维度两者间关系将是下一步的研究方向。受限于数据获取,本文识别的是依赖轨道交通的通勤人员,对于以步行、自行车和私家车为通勤方式的人群缺少考虑,同时由于AFC数据无法体现个体的社会经济属性,所以对于职住错配型站点的形成机制在本文中未做充分讨论,后续研究应当与问卷数据、社会经济调查数据等相结合来丰富研究内容。
我国城市空间正处于快速重构的进程当中,是探究职住平衡发展的绝佳机会。基于我国当前轨道交通发展对职住空间产生的重大影响,上述结论能从空间布局和土地开发的角度为站点就地型职住平衡状态的形成提供案例参考和数据支持,对于减少长距离通勤、提升居民幸福感具有重要意义。
我国城市空间正处于快速重构的进程当中,是探究职住平衡发展的绝佳机会。基于我国当前轨道交通发展对职住空间产生的重大影响,上述结论能从空间布局和土地开发的角度为站点就地型职住平衡状态的形成提供案例参考和数据支持,对于减少长距离通勤、提升居民幸福感具有重要意义。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张纯, 夏海山, 宋彦. 轨道交通带动下的城市形态演变——以北京为例[J]. 城市发展研究, 2016, 23(9):107-112,157.

[ Zhang C, Xia H S, Song Y. Urban metro transit lead urban form changes: Case study of Beijing[J]. Urban Development Studies, 2016, 23(9):107-112,157. ]

[2]
张艳, 辜智慧, 周维. 大城市职住空间匹配及其与轨道交通的协调发展研究:以深圳市为例[J]. 城市规划学刊, 2018(1):99-106.

[ Zhang Y, Gu Z H, Zhou W. Spatial match of jobs-housing and the rail transit's role in commuting metropolis: A case study of Shenzhen[J]. Urban Planning Forum, 2018(1):99-106. ]

[3]
孔令斌. 城市职住平衡的影响因素及改善对策[J]. 城市交通, 2013, 11(6):1-4.

[ Kong L B. Influential factors and improvement measures for job-housing balance[J]. Urban Transport of China, 2013, 11(6):1-4. ]

[4]
赵晖, 杨军, 刘常平. 轨道沿线居民职住分布及通勤空间组织特征研究——以北京为例[J]. 经济地理, 2011, 31(9):1445-1451.

[ Zhao H, Yang J, Liu C P. Research on characteristics of the job/housing distribution and the changing commuting along subway lines: A case study from Beijing[J]. Economic Geography, 2011, 31(9):1445-1451. ]

[5]
赵晖, 杨军, 刘常平, 等. 职住分离的度量方法与空间组织特征——以北京市轨道交通对职住分离的影响为例[J]. 地理科学进展, 2011, 30(2):198-204.

[ Zhao H, Yang J, Liu C P, et al. Measurement method and characteristics of spatial organization for jobs-housing misbalance: A case study of the effects of metro systems on jobs-housing misbalance in Beijing[J]. Progress in Geography, 2011, 30(2):198-204. ]

[6]
申犁帆, 张纯, 李赫, 等. 城市轨道交通通勤与职住平衡状况的关系研究——基于大数据方法的北京实证分析[J]. 地理科学进展, 2019, 38(6):791-806.

DOI

[ Shen L F, Zhang C, Li H, et al. Relationship between urban rail transit commuting and jobs-housing balance: An empirical analysis from Beijing based on big data methods[J]. Progress in Geography, 2019, 38(6):791-806. ]

[7]
张艳, 罗永杰, 朱潇冰, 等. 轨道交通站域职住空间变化特征分析:深圳市的实证研究[J]. 城市规划学刊, 2020(3):48-56.

[ Zhang Y, Luo Y J, Zhu X B, et al. The jobs-housing spactial change in the catchment areas of rail transit stations: A case study of Shenzhen city[J]. Urban Planning Forum, 2020(3):48-56. ]

[8]
薛婧, 张梅青. 北京市轨道交通网络化发展问题及对策研究——基于职住分离的背景[J]. 北京交通大学学报(社会科学版), 2016, 15(3):38-49.

[ Xue J, Zhang M Q. Problems of Beijing urban rail transit network development and their countermeasures—A study in view of the separation of workplace and residence[J]. Journal of Beijing Jiaotong University (Social Sciences Edition), 2016, 15(3):38-49. ]

[9]
王京元, 郑贤, 莫一魁. 轨道交通TOD开发密度分区构建及容积率确定——以深圳市轨道交通3号线为例[J]. 城市规划, 2011, 35(4):30-35.

[ Wang J Y, Zheng X, Mo Y K. Establishment of density zoning and determination of floor area ratio along rail transit line based on TOD: A case study on rail transit line 3 in Shenzhen[J]. City Planning Review, 2011, 35(4):30-35. ]

[10]
孙俊, 陈阳, 肖蓉. 轨道交通站点临近地区用地控制和功能配置研究——以南京为例[J]. 城市交通, 2006, 4(5):45-49.

[ Sun J, Chen Y, Xiao R. Land-use control and functional configuration within areas near rail transfer centers: Taking Nanjing as an example[J]. Urban Transport of China, 2006, 4(5):45-49. ]

[11]
郝世英, 严建伟, 滕夙宏. 轨道交通建设与城市空间结构的优化——台北经验启示[J]. 城市规划, 2013, 37(11):62-66.

[ Hao S Y, Yan J W, Teng S H. Rail transit construction and optimization of urban spatial structure: Experience and enlightenment from Taipei[J]. City Planning Review, 2013, 37(11):62-66. ]

[12]
申犁帆, 王烨, 张纯, 等. 轨道站点合理步行可达范围建成环境与轨道通勤的关系研究——以北京市44个轨道站点为例[J]. 地理学报, 2018, 73(12):2423-2439.

DOI

[ Shen L F, Wang Y, Zhang C, et al. Relationship between built environment of rational pedestrian catchment areas and URT commuting ridership: Evidence from 44 URT stations in Beijing[J]. Acta Geographica Sinica, 2018, 73(12):2423-2439. ]

[13]
文萍, 赵鹏军, 周素红. TOD对居民通勤模式的影响:以英国泰恩威尔都市区为例[J/OL]. 国际城市规划:1-15[2021- 01- 19]. http://kns.cnki.net/kcms/detail/11.5583.tu.20190819.1012.004.html.

[ Wen P, Zhao P J, Zhou S H. Effects of TOD on residents’ commuting patterns: Empirical evidence from Tyne and Wear, the UK[J/OL]. Urban Planning International, 1-15[2021- 01- 19]. http://kns.cnki.net/kcms/detail/11.5583.tu.20190819.1012.004.html.]

[14]
赵鹏军, 孔璐. TOD对北京市居民通勤影响及其机制研究[J]. 人文地理, 2017, 32(5):125-131.

[ Zhao P J, Kong L. The impact of TOD on residents' commuting activities: A case of Beijing[J]. Human Geography, 2017, 32(5):125-131. ]

[15]
赵鹏军, 李南慧, 李圣晓. TOD建成环境特征对居民活动与出行影响——以北京为例[J]. 城市发展研究, 2016, 23(6):45-51.

[ Zhao P J, Li N H, Li S X. The impacts of the built environment on residents' acitivities and travel behavior in TOD areas: A case study of Beijing[J]. Urban Development Studies, 2016, 23(6):45-51. ]

[16]
潘海啸, 陈国伟. 轨道交通对居住地选择的影响——以上海市的调查为例[J]. 城市规划学刊, 2009(5):71-76.

[ Pan H X, Chen G W. Rail transit and residential location choice[J]. Urban Planning Forum, 2009(5):71-76. ]

[17]
Curtis C. Evolution of the transit-oriented development model for low-density cities: A case study of perth's new railway corridor[J]. Planning Practice & Research, 2008, 23(3):285-302.

[18]
陈燕萍, 宋彦, 张毅, 等. 城市土地利用特征对居民出行方式的影响——以深圳市为例[J]. 城市交通, 2011, 9(5):80-85,27.

[ Chen Y P, Song Y, Zhang Y, et al. Impact of land use development on travel mode choice: A case study in Shenzhen[J]. Urban Transport of China, 2011, 9(5):80-85, 27. ]

[19]
Cervero R, Gorham R. Commuting in transit versus automobile neighborhoods[J]. Journal of the American Planning Association, 1995, 61(2):210-225.

DOI

[20]
林红, 李军. 出行空间分布与土地利用混合程度关系研究——以广州中心片区为例[J]. 城市规划, 2008, 32(9):53-56,74.

[ Lin H, Li J. Relationship between spatial distribution of resident trips and mixed degree of land use: A case study of Guangzhou[J]. City Planning Review, 2008, 32(9):53-56,74. ]

[21]
丁川, 王耀武, 林姚宇. 公交都市战略与TOD模式关系探析——基于低碳出行的视角[J]. 城市规划, 2013, 37(11):54-61.

[ Ding C, Wang Y W, Lin Y Y. Exploration on the relationship between transit-city strategy and tod mode: from the perspective of low carbon travel[J]. City Planning Review, 2013, 37(11):54-61. ]

[22]
潘海啸. 面向低碳的城市空间结构——城市交通与土地使用的新模式[J]. 城市发展研究, 2010, 17(1):40-45.

[ Pan H X. Urban spatial structure towards low carbon: New urban transport and land use model[J]. Urban Studies, 2010, 17(1):40-45. ]

[23]
孟斌, 黄松, 尹芹. 北京市居民地铁出行出发时间弹性时空分布特征研究[J]. 地球信息科学学报, 2019, 21(1):107-117.

DOI

[ Meng B, Huang S, Yin Q. Spatial and temporal distribution characteristics of residents' depart times elasticity in Beijing[J]. Journal of Geo-Information Science, 2019, 21(1):107-117. ]

[24]
张文忠, 孟斌, 吕昕, 等. 交通通道对住宅空间扩展和居民住宅区位选择的作用——以北京市为例[J]. 地理科学, 2004, 24(1):7-13.

[ Zhang W Z, Meng B, Lu X, et al. Influence of traffic passages on housing spatial expansion and local residents' selection of housing location—A case study of Beijing[J]. Scientia Geographica Sinica, 2004, 24(1):7-13. ]

[25]
周素红, 闫小培. 基于居民通勤行为分析的城市空间解读——以广州市典型街区为案例[J]. 地理学报, 2006, 61(2):179-189.

[ Zhou S H, Yan X P. The impact of commuters' travel pattern on urban structure: A case study in some typical communities in Guangzhou[J]. Acta Geographica Sinica, 2006, 61(2):179-189. ]

[26]
刘畅, 潘海啸, 贾晓韡. 轨道交通对大都市区外围地区规划开发策略的影响——外围地区TOD模式的实证研究[J]. 城市规划学刊, 2011(6):60-67.

[ Liu C, Pan H X, Jia X W. The influence of rail transit on the planning and development of metroplitan peri-urban areas[J]. Urban Planning Forum, 2011(6):60-67. ]

[27]
宋小冬, 王园园, 杨钰颖, 等. 通勤距离对职住分离的统计验证[J]. 地球信息科学学报, 2019, 21(11):1699-1709.

DOI

[ Song X D, Wang Y Y, Yang Y Y, et al. Statistical verification of home-work separation based on commuting distance[J]. Journal of Geo-information Science, 2019, 21(11):1699-1709. ]

[28]
凤凰新闻. 2018武汉市城乡与国土规划图集发布[EB/OL]. https://ishare.ifeng.com/c/s/7jeAGSmKqHz

[Ifeng news. Urban planning of Wuhan[EB/OL]. https://ishare.ifeng.com/c/s/7jeAGSmKqHz ]

[29]
Wu J X, Yang M, Sun S J, et al. Modeling travel mode choices in connection to metro stations by mixed logit models: a case study in Nanjing, China[J]. PROMET - Traffic&Transportation, 2018, 30(5):549-561.

[30]
Yang M, Zhao J Y, Wang W, et al. Metro commuters’ satisfaction in multi-type access and egress transferring groups[J]. Transportation Research Part D: Transport and Environment, 2015, 34:179-194.

DOI

[31]
岳芳, 毛保华, 陈团生. 城市轨道交通接驳方式的选择[J]. 都市快轨交通, 2007, 20(4):36-39.

[ Yue F, Mao B H, Chen T S. Study on the choice of access modes to urban rail transit[J]. Urban Rapid Rail Transit, 2007, 20(4):36-39. ]

[32]
李辉, 王东炜, 赵湘育, 等. 不同类型轨道交通站点步行与电动自行车接驳分析[J]. 铁道科学与工程学报, 2015, 12(6):1493-1499.

[ Li H, Wang D W, Zhao X Y, et al. Access analysis for pedestrian and electric bicycle to different types of rail transit stations[J]. Journal of Railway Science and Engineering, 2015, 12(6):1493-1499. ]

[33]
刘泉. 轨道交通TOD地区的步行尺度[J]. 城市规划, 2019, 43(3):88-95.

[ Liu Q. Walking scale of tod area along rail transit line[J]. City Planning Review, 2019, 43(3):88-95. ]

[34]
张宁, 戴洁, 张晓军. 基于多项Logit模型的轨道交通站点步行接驳范围[J]. 城市轨道交通研究, 2012, 15(5):46-49.

[ Zhang N, Dai J, Zhang X J. Walking affect area of rail transit station based on multinomial logit model[J]. Urban Mass Transit, 2012, 15(5):46-49. ]

[35]
凤凰湖北综合. 武汉城建累计投资2800亿元——到2049年将通25条地铁[EB/OL]. http://hb.ifeng.com/news/cjgc/detail_2014_12/29/3351803_0.shtml.

[Fenghuang Hubei zonghe. Wuhan has invested a total of 280 billion yuan in urban construction: 25 lines will be open by 2049[EB/OL]. http://hb.ifeng.com/news/cjgc/detail_2014_12/29/3351803_0.shtml.]

[36]
Cervero R, Kockelman K. Travel demand and the 3Ds: Density, diversity, and design[J]. Transportation Research Part D: Transport and Environment, 1997, 2(3):199-219.

DOI

[37]
Ewing R, Cervero R. Travel and the built environment[J]. Journal of the American Planning Association, 2010, 76(3):265-294.

DOI

[38]
Nasri A, Zhang L. The analysis of transit-oriented development (TOD) in Washington, D.C. and Baltimore metropolitan areas[J]. Transport Policy, 2014, 32:172-179.

DOI

[39]
Kamruzzaman M, Shatu F M, Hine J, et al. Commuting mode choice in transit oriented development: Disentangling the effects of competitive neighbourhoods, travel attitudes, and self-selection[J]. Transport Policy, 2015, 42:187-196.

DOI

[40]
Chen F A, Wu J R, Chen X H, et al. Vehicle kilometers traveled reduction impacts of Transit-Oriented Development: Evidence from Shanghai City[J]. Transportation Research Part D: Transport and Environment, 2017, 55:227-245.

DOI

[41]
郭亮, 郑朝阳, 黄建中, 等. 基于通勤圈识别的大城市空间结构优化——以武汉市中心城区为例[J]. 城市规划, 2019, 43(10):43-54.

[ Guo L, Zheng C Y, Huang J Z, et al. Commuting circle-based spatial structure optimization of megacities: A case study of Wuhan central city[J]. City Planning Review, 2019, 43(10):43-54. ]

[42]
孟晓晨, 吴静, 沈凡卜. 职住平衡的研究回顾及观点综述[J]. 城市发展研究, 2009, 16(6):23-28,35.

[ Meng X C, Wu J, Shen F B. The study review of urban jobs-housing balance[J]. Urban Development Studies, 2009, 16(6):23-28,35. ]

[43]
刘志林, 王茂军. 北京市职住空间错位对居民通勤行为的影响分析——基于就业可达性与通勤时间的讨论[J]. 地理学报, 2011, 66(4):457-467.

[ Liu Z L, Wang M J. Job accessibility and its impacts on commuting time of urban residents in Beijing: From a spatial mismatch perspective[J]. Acta Geographica Sinica, 2011, 66(4):457-467. ]

[44]
张纯, 易成栋, 宋彦. 北京市职住空间关系特征及变化研究——基于第五、六次人口普查和2001、2008年经济普查数据的实证分析[J]. 城市规划, 2016, 40(10):59-64.

[ Zhang C, Yi C D, Song Y. Characteristics of job-housing spatial relationship and changes in Beijing: An empirical study based on data from the 5th, 6th population census and economy census in 2001 and 2008 [J]. City Planning Review, 2016, 40(10):59-64. ]

[45]
程鹏, 唐子来. 上海中心城区的职住空间匹配及其演化特征研究[J]. 城市规划学刊, 2017(3):62-69.

[ Cheng P, Tang Z L. A study on the spatial match of jobs-housing balance and its change over time in the central city of Shanghai[J]. Urban Planning Forum, 2017(3):62-69. ]

[46]
刘云舒, 赵鹏军, 吕迪. 大数据城市通勤交通模型的构建与模拟应用[J]. 地球信息科学学报, 2021.

[ Liu Y S, Zhao P J, Lyu D. Big-data oriented commuting distribution model and application in large cities[J]. Journal of Geo-information Science, 2021. ] DOI: 10.12082/dqxxkx.2021.200334. https://kns.cnki.net/kcms/detail/11.5809.p.20201021.1739.002.html.

DOI

[47]
Huang J, Levinson D, Wang J, et al. Tracking job and housing dynamics with smart card data[J]. Proc Natl Acad Sci USA, 2018, 115(50):12710-12715.

DOI

[48]
中国城市规划设计研究院. 《2020年度全国主要城市通勤监测报告》[EB/OL]. http://www.chinautc.com/templates/H_subject/content.aspx?nodeid=247&page=ContentPage&contentid=96685.

[China academy of urban planning&design. 2020 national commuting monitoring report in major cities[EB/OL]. http://www.chinautc.com/templates/H_subject/content.aspx?nodeid=247&page=ContentPage&contentid=96685.]

[49]
Cervero R. Jobs-housing balancing and regional mobility[J]. Journal of the American Planning Association, 1989, 55(2):136-150.

DOI

[50]
毕瑜菲, 郭亮, 贺慧. 职住平衡理念的实施难点与优化策略研究[J]. 城市发展研究, 2019, 26(3):1-8,40.

[ Bi Y F, Guo L, He H. The connotation, difficulties and implementation countermeasures of the concept of jobs-housing balance[J]. Urban Development Studies, 2019, 26(3):1-8,40. ]

[51]
赵鹏军, 曹毓书. 基于多源LBS数据的职住平衡对比研究——以北京城区为例[J]. 北京大学学报(自然科学版), 2018, 54(6):1290-1302.

[ Zhao P J, Cao Y S. Jobs-housing balance comparative analyses with the LBS data: A case study of Beijing[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(6):1290-1302. ]

[52]
蔡兴飞, 林爱文, 孙铖. 武汉市交通可达性综合评价及城际铁路通勤化发展探讨[J]. 现代城市研究, 2019, 34(4):9-15.

[ Cai X F, Lin A W, Sun C. Comprehensive accessibility evaluation and commuting development of intercity railway in Wuhan[J]. Modern Urban Research, 2019, 34(4):9-15. ]

Options
文章导航

/

〈 〉